Penelitian dilakukan pada UMKM Nasi Uduk Mama Ipan yang menjual produk secara offline dan online, namun hanya memiliki data transaksi online yang dapat dianalisis. Permasalahan utama terletak pada keterbatasan pemilik usaha dalam mengolah data tersebut untuk mendukung strategi promosi. Penelitian ini bertujuan untuk menerapkan association rule mining menggunakan Algoritma Apriori dan FP-Growth yang dioptimasi melalui Hyperparameter Tuning berbasis Algoritma Metaheuristic. Proses penelitian diawali dengan tahap praproses data, meliputi penghapusan kolom tidak relevan dan transformasi data transaksi ke dalam format biner. Selanjutnya, empat Algoritma metaheuristic—Algoritma Genetik, Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO), dan Simulated Annealing (SA)—digunakan untuk menentukan nilai minimum support dan minimum confidence yang optimal bagi Algoritma Apriori dan FP-Growth. Pemodelan dilakukan menggunakan bahasa pemrograman Python dengan pustaka mlxtend.frequent_patterns, dan aturan asosiasi disaring berdasarkan ambang lift ratio di atas 1. Hasil penelitian menunjukkan bahwa baik Algoritma Apriori maupun FP-Growth menghasilkan bundling produk yang identik ketika menggunakan parameter dari Algoritma Genetik. Algoritma Apriori menunjukkan keunggulan dalam kecepatan eksekusi, sedangkan FP-Growth lebih efisien dalam penggunaan memori. Temuan ini membuktikan bahwa integrasi antara association rule mining dan optimasi berbasis metaheuristic dapat secara efektif mendukung pengambilan keputusan promosi berbasis data pada sektor UMKM.

S12070

INF 0097 2025

Bekasi

Tersedia